强化学习：迈向知行合一的智能机制与算法

doi:10.11959/j.issn.2096-6652.202011

智能科学与技术学报 ›› 2020, Vol. 2 ›› Issue (2): 101-106.doi: 10.11959/j.issn.2096-6652.202011

• 评论智能 • 下一篇

强化学习：迈向知行合一的智能机制与算法

王飞跃^1,^2,³,曹东璞⁴,魏庆来^1,^2,³

¹ 中国科学院自动化研究所复杂系统管理与控制国家重点实验室，北京 100190
² 中国科学院大学，北京，100049
³ 青岛智能产业技术研究院，山东青岛 266109
⁴ 滑铁卢大学，加拿大滑铁卢 N2L 3G1

修回日期:2020-05-20 出版日期:2020-06-20 发布日期:2020-07-14
作者简介:王飞跃（1961- ），男，博士，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任，中国科学院大学中国经济与社会安全研究中心主任，青岛智能产业技术研究院院长，主要研究方向为平行系统的方法与应用、社会计算、平行智能以及知识自动化|曹东璞（1978- ），男，博士，滑铁卢大学副教授，认知自动驾驶实验室主任，主要研究方向为自动驾驶、人车协同与平行驾驶|魏庆来（1979- ），男，博士，中国科学院自动化研究所研究员，复杂系统管理与控制国家重点实验室副主任，中国科学院大学岗位教授，青岛智能产业技术研究院智能技术创新中心主任，主要研究方向为自学习控制、平行控制、自适应动态规划、智能控制、最优控制及其工业应用

Reinforcement learning:toward action-knowledge merged intelligent mechanisms and algorithms

Fei-Yue WANG^1,^2,³,Dongpu CAO⁴,Qinglai WEI^1,^2,³

¹ The State Key Laboratory for Management and Control of Complex Systems,Institute of Automation,Chinese Academy of Sciences,Beijing 100190,China
² University of Chinese Academy of Sciences,Beijing 100049,China
³ Qingdao Academy of Intelligent Industries,Qingdao 266109,China
⁴ University of Waterloo,Waterloo N2L 3G1,Canada

Revised:2020-05-20 Online:2020-06-20 Published:2020-07-14

摘要/Abstract

摘要：

简要地评论了强化学习的历史、现状与未来的发展途径，认为强化学习应从先行后知、先知后行向知行合一的平行强化学习迈进，实现在虚拟世界“吃一堑”，在物理世界“长一智”，真正成为智慧机制和智能算法的基础学习理论。

关键词: 强化学习, 动态规划, 深度学习, 平行学习, 人工智能, 平行智能

Abstract:

This article discusses briefly the history,the state of the art and the future of reinforcement learning,and outlines a roadmap of evolution from learning by doing,doing with planning to parallel intelligence that combining learning virtually in artificial systems and acting accordingly in actual systems.

Key words: reinforcement learning, dynamic programming, deep learning, parallel learning, artificial intelligence

中图分类号:

TP301

王飞跃,曹东璞,魏庆来. 强化学习：迈向知行合一的智能机制与算法[J]. 智能科学与技术学报, 2020, 2(2): 101-106.

Fei-Yue WANG,Dongpu CAO,Qinglai WEI. Reinforcement learning:toward action-knowledge merged intelligent mechanisms and algorithms[J]. Chinese Journal of Intelligent Science and Technology, 2020, 2(2): 101-106.

图/表 2

参考文献 8

[1]	郑南宁 . 人工智能新时代[J]. 智能科学与技术学报, 2019,1(1): 1-3.
	ZHENG N N . The new era of artificial intelligence[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(1): 1-3
[2]	张钹 . 人工智能进入后深度学习时代[J]. 智能科学与技术学报, 2019,1(1): 4-6.
	ZHANG B . Artificial intelligence is entering the post deep-learning era[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(1): 4-6.
[3]	GARIBALDI J M , 陈虹宇, 李小双 . 差异与学习：模糊系统与模糊推理[J]. 智能科学与技术学报, 2019,1(4): 319-326.
	GARIBALDI J M , CHEN H Y , LI X S . Variation and learning:fuzzy system and fuzzy inference[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(4): 319-326.
[4]	LUCAS S , 沈甜雨王晓 ,等. 基于统计前向规划算法的游戏通用人工智能[J]. 智能科学与技术学报, 2019,1(3): 219-227.
	LUCAS S , SHEN T Y , WANG X ,et al. General game AI with statistical forward planning algorithms[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(3): 219-227.
[5]	王飞跃 . 人工智能在多角色游戏中获胜[J]. 中国科学基金, 2020,34(2): 205-206.
	WANG F Y . AI wins in multi-role games[J]. Bulletin of National Natural Science Foundation of China, 2020,34(2): 205-206.
[6]	LUCIAN B , ROBERT B , BART D S ,et al. Reinforcement learning and dynamic programming using function approximators[M]. Boca Raton: CRC PressPress, 2010.
[7]	魏庆来, 王飞跃 . 强化学习[M]. 北京: 清华大学出版社, 2020.
	WEI Q L , WANG F Y . Reinforcement learning[M]. Beijing: Tsinghua University PressPress, 2020.
[8]	FLORENTIN W , BERND P . Reinforcement learning[M]. Cambridge: MIT PressPress, 2008.

[1]	刘朝阳, 穆朝絮, 孙长银. 深度强化学习算法与应用研究现状综述[J]. 智能科学与技术学报, 2020, 2(4): 314-326.
[2]	李金娜, 程薇燃. 基于强化学习的数据驱动多智能体系统最优一致性综述[J]. 智能科学与技术学报, 2020, 2(4): 324-340.
[3]	贾庆山, 唐静娴, 吴俊杰, 胡潇, 林依挺, 夏恒. 面向数据中心绿色可靠运行的强化学习方法[J]. 智能科学与技术学报, 2020, 2(4): 341-347.
[4]	李涛, 魏庆来. 基于深度强化学习的智能暖气温度控制系统[J]. 智能科学与技术学报, 2020, 2(4): 348-353.
[5]	王日中, 李慧平, 崔迪, 徐德民. 基于深度强化学习算法的自主式水下航行器深度控制[J]. 智能科学与技术学报, 2020, 2(4): 354-360.
[6]	傅汇乔, 唐开强, 邓归洲, 王鑫鹏, 陈春林. 基于深度强化学习的六足机器人运动规划[J]. 智能科学与技术学报, 2020, 2(4): 361-371.
[7]	刘莹莹, 王占山. 异构多智能体系统的输出同步：一个基于数据的强化学习方法[J]. 智能科学与技术学报, 2020, 2(4): 394-400.
[8]	赵亮, 谢志峰, 张坤鹏, 郑玉卿, 付园坤. 无线网络信号传输建模：一种区间二型模糊集成深度学习方法[J]. 智能科学与技术学报, 2020, 2(4): 401-411.
[9]	沈宇,韩金朋,李灵犀,王飞跃. 游戏智能中的AI——从多角色博弈到平行博弈[J]. 智能科学与技术学报, 2020, 2(3): 205-213.
[10]	田思佳,顾强,胡蓉,李锐戈,何顶新. 一种基于深度学习的机械臂分拣方法[J]. 智能科学与技术学报, 2020, 2(3): 268-274.
[11]	王飞跃. 平行控制与数字孪生：经典控制理论的回顾与重铸[J]. 智能科学与技术学报, 2020, 2(3): 293-300.
[12]	袁小锋,王雅琳,阳春华,桂卫华. 深度学习在流程工业过程数据建模中的应用[J]. 智能科学与技术学报, 2020, 2(2): 107-115.
[13]	欧阳丽炜,袁勇,郑心湖,张俊,王飞跃. 基于区块链的传染病监测与预警技术[J]. 智能科学与技术学报, 2020, 2(2): 135-143.
[14]	李浥东,张俊,陶耀东,王伟,顾元祥,王飞跃. 平行安全：基于CPSS的生成式对抗安全智能系统[J]. 智能科学与技术学报, 2020, 2(2): 194-202.
[15]	刘凯, 李浥东, 林伟鹏. 车辆再识别技术综述[J]. 智能科学与技术学报, 2020, 2(1): 10-25.

强化学习：迈向知行合一的智能机制与算法

Reinforcement learning:toward action-knowledge merged intelligent mechanisms and algorithms

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 8

相关文章 15

Metrics

推荐阅读 0